事件检测方法及系统、存储介质及电子装置制造方法及图纸

本申请实施例提供了一种事件检测方法及系统、存储介质及电子装置，属于音频数据识别技术领域，所述方法包括：获取目标区域的音频数据，其中，目标区域为预设的监控区域；根据音频数据与预设的判定条件确定独立事件，并根据独立事件确定完整事件发生的概率；其中，独立事件与判定条件相对应，完整事件包括一个或多个独立事件，完整事件包括一个或多个独立事件。件。件。

【技术实现步骤摘要】
事件检测方法及系统、存储介质及电子装置


[0001]本申请涉及音频数据识别
，具体而言，涉及一种事件检测方法及系统、存储介质及电子装置。

技术介绍

[0002]监控系统是当前安防领域内不可或缺的一部分，诸如校园、医院、商场等场景下，均依赖于监控系统进行监控以避免突发事件的发生，或在突发事件发生时可及时发现并进行处理。
[0003]相关技术中，监控系统多基于视频技术实现相应的视频监控，例如，监控摄像头等。上述视频监控设备虽然可以获取监控设备所设置位置发生的全过程事件，但其一方面仅能针对监控设备所设置位置进行相应的监控，而受限于地形复杂性与隐私性，往往在监控场景内存在一定的监控死角，视频监控设备对发生在上述监控死角的事件则无法进行有效的监控；另一方面，大多数监控场景中，视频监控设备仍需监控人员读取监控画面进行判断，而由于监控人员往往并无法全天候工作，故在特殊时段内，仅依靠视频监控设备无法避免突发事件的发生或无法及时进行相应处理。
[0004]针对上述视频监控设备的缺陷，相关技术中的部分监控系统集成了音频监控模块，即通过采集监控场景内的音频判断是否有相应的突发事件发生。然而，相关技术中的音频监控模块仅能单一的判断监控场景内是否有事件音的产生，诸如，监控场景内是否存在尖叫声，是否存在哭声，是否存在物品碎裂的声音等，但基于单一的事件音并不能有效的判断突发事件的发生以及突发事件的类型，经常会出现误判的情况。
[0005]针对相关技术中，音频监控模块并无法有效识别突发事件的问题，相关技术中尚无有效的解决方案。

技术实现思路

[0006]本申请实施例提供了一种事件检测方法及系统、存储介质及电子装置，以至少解决相关技术中音频监控模块并无法有效识别突发事件的问题。
[0007]在本申请的一个实施例中，提出了一种事件检测方法，所述方法包括：
[0008]获取目标区域的音频数据，其中，所述目标区域为预设的监控区域；根据所述音频数据与预设的判定条件确定独立事件，并根据所述独立事件确定完整事件发生的概率；其中，所述独立事件与所述判定条件相对应，所述完整事件包括一个或多个所述独立事件。
[0009]在本申请的一个实施例中，还提出了一种事件检测系统，运用前述事件检测方法；所述事件检测系统包括：拾音模块，配置为获取目标区域的音频数据，其中，所述目标区域为预设的监控区域；处理模块，配置为根据所述音频数据与预设的判定条件确定独立事件，并根据所述独立事件确定完整事件发生的概率；其中，所述独立事件与所述判定条件相对应，所述完整事件包括一个或多个所述独立事件。
[0010]在本申请的一个实施例中，还提出了一种计算机可读的存储介质，所述存储介质
中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
[0011]在本申请的一个实施例中，还提出了一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
[0012]通过本申请实施例，建立第一神经网络模型与第二神经网络模型，首先通过获取的样本训练数据对其分别进行训练，通过训练完毕的第一神经网络网络与第二神经网络模型，根据所获取的音频数据与预设的判定条件确定独立事件，并根据所述独立事件确定完整事件发生的概率；其中，所述独立事件与所述判定条件相对应，所述完整事件包括一个或多个所述独立事件在音频监控过程中，根据多个独立事件音之间的关联以确定是否存在完整事件发生，可显著改善对于突发事件的识别的准确性，进而一方面在突发事件发生时及时提醒相关人员进行相应的干预处理，以及时避免或中止突发事件的发生；另一方面，可避免单一的独立事件音在无法判断突发事件的实际状况下及向相关人员进行不必要的提醒，进而造成的非必要的人力与时间成本过高的问题。同时，对于部分视频监控存在不便的区域，诸如，阴暗场景，隐私场景，临时场景等，可以灵活且低成本的部署方式提供精准的监控处理。
附图说明
[0013]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0014]图1是本申请实施例的一种事件检测方法的移动终端的硬件结构框图；
[0015]图2是根据本申请实施例的事件检测方法的一种可选流程示意图；
[0016]图3是根据本申请实施例的事件检测系统的一种可选结构示意图；
[0017]图4是根据本申请实施例的卷积神经网络模型训练方法的一种可选的流程示意图；
[0018]图5是根据本申请实施例第一神经网络模型的一种可选的结构图；
[0019]图6是根据本申请实施例第二神经网络模型一种可选的结构图；
[0020]图7是根据本申请实施例的一种可选的电子装置结构示意图。
具体实施方式
[0021]下文中将参考附图并结合实施例来详细说明本申请。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
[0022]需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
[0023]本申请实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例，图1是本申请实施例的一种事件检测方法的移动终端的硬件结构框图。如图1所示，移动终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104，其中，上述移动终端还可以包括用于通信功能的传输设备106
以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
[0024]存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本申请实施例中的事件检测方法与其应用的神经网络模型的训练方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0025]传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(Network Interface Control本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种事件检测方法，其特征在于，包括：获取目标区域的音频数据，其中，所述目标区域为预设的监控区域；根据所述音频数据与预设的判定条件确定独立事件，并根据所述独立事件确定完整事件发生的概率；其中，所述独立事件与所述判定条件相对应，所述完整事件包括一个或多个所述独立事件。2.根据权利要求1所述的方法，其特征在于，所述根据所述音频数据与预设的判定条件确定独立事件，并根据所述独立事件确定完整事件发生的概率，包括：根据所述音频数据与所述判定条件确定第一独立事件和/或第二独立事件，并根据所述第一独立事件和/或所述第二独立事件发生的情况确定完整事件发生的概率；其中，所述第一独立事件与第一判定条件对应，所述第二独立事件与第二判定条件对应，所述完整事件由所述第一独立事件和/或所述第二独立事件构成。3.根据权利要求2所述的方法，其特征在于，所述根据所述音频数据与所述判定条件确定第一独立事件和/或第二独立事件，并根据所述第一独立事件和/或所述第二独立事件发生的情况确定完整事件发生的概率，包括：根据所述音频数据与所述判定条件确定第一独立事件和/或第二独立事件，并根据所述第一独立事件确定第一概率值，根据所述第二独立事件确定第二概率值；其中，所述第一概率值用于指示所述第一独立事件存在的情形下，所述完整事件发生的概率；所述第二概率值用于指示所述第二独立事件存在的情形下，所述完整事件发生的概率；根据所述第一概率值和/或所述第二概率值确定所述完整事件发生的概率。4.根据权利要求2或3所述的方法，其特征在于，所述根据所述音频数据与所述判定条件确定第一独立事件和/或第二独立事件，并根据所述第一独立事件和/或所述第二独立事件发生的情况确定完整事件发生的概率，包括：根据所述音频数据确定音频时序信息，其中，所述音频时序信息用于指示所述第一独立事件与所述第二独立事件的时序关系；根据以下对象确定所述完整事件发生的概率：所述音频时序信息，所述第一独立事件发生的情况，所述第二独立事件发生的情况。5.根据权利要求2或3所述的方法，其特征在于，根据所述音频数据与所述判定条件确定第一独立事件和/或第二独立事件，并根据所述第一独立事件和/或所述第二独立事件发生的情况确定完整事件发生的概率，包括：在所述完整事件发生的概率大于或等于预设阈值的情形下，输出所述完整事件的类型。6.根据权利要求1至3任一项中所述的方法，其特征在于，所述根据所述音频数据与预设的判定条件确定独立事件，并根据所述独立事件确定完整事件发生的概率，包括：根据音频数据与预设的判定条件通过第一神经网络模型与第二神经网络模型确定完整事件发生的概率；其中，所述第一神经网络模型根据所述音频数据与所述判定条件获取所述独立事件所对应的第一特征向量，其中，所述第一神经网络模型为使用第一样本数据训练的卷积神经网络模型，所述第一样本数据包括独立事件音数据和对应的独立事件标签，所述独立事件标签用于指示所述独立事件的类型；所述第二神经网络模型根据所述第一特征向量确定所述完整事件发生的概率，并在在
所述完整事件发生的概率大于或等于预设阈值的情形下，输出所述完整事件的类型，其中，所述第二神经网络模型为使用第二样本数据训练的卷积神经网络模型，所述第二样本数据包括完整事件音数据和对应的完整事件标签，所述完整事件标签用于指示所述完整事件的类型，所述完整事件音数据中包含一个或多个独立事件音数据。7.根据权利要求6所述的方法，其特征在于，所述第一神经网络模型根据所述音频数据与所述判定条件获取所述独立事件所对应的第一特征向量，包括：通过共享网络层获取所述音频数据的局部特征向量；通过第一分类层根据所述音频数据的局部特征向量提取N个独立事件音分别对应的所述第一特征向量，其中，N为大于0的整数，所述第一分类层包括N个分类器，每一分类器分别对应一个判定条件。8.根据权利要求7所述的方法，其特征在于，所述第二神经网络模型根据所述第一特征向量确定所述完整事件发生的概率，包括：对所述第一神经网络模型输出的所述N个独立事件音的第一特征向量进行编码；对编码后的所述N个独立事件音的第一特征向量进行识别；通过根据第一特征向量的识别结果确定所述完整事件发生的概率。9.根据权利要求8所述的方法，其特征在于，所述对编码后的所述N个独立事件音的第一特征向量进行识别，包括：根据所述音频数据确定音频时序信息，其中，所述音频时序信息用于指示所述独立事件之间的时序关系；根据第一特征向量的识别结果确定所述完整事件发生的概率，包括：根据所述独立事件对应的第一特征向量以及所述音频时序信息确定所述完整事件发生的概率。10.根据权利要求6所述的方法，其特征在于，根据所述音频数据与预设的判定条件确定独立事件，并根据所述独立事件确定完整事件发生的概率，包括：通...

【专利技术属性】
技术研发人员：司马华鹏，姚奥，汤毅平，
申请(专利权)人：宿迁硅基智能科技有限公司，
类型：发明
国别省市：